数据降维与可视化2 - t-SNE

参考链接

核心思想就是从高维度降到低维度，能够保持距离近的点更近，而距离远的点更远，

即高维空间数据的距离关系与低维空间的距离关系具有相似性

首先从概率论角度，将数据之间的距离转换为属于数据中心点的邻居的概率，

然后使用 KL散度来刻画两种不同表达之间的关系，

最后使用梯度下降来最小化KL散度，使得前后变化能够保持最大的相似性

首先将距离转化为概率表示

高维度和低维度进行相同的变换

然后使用KL散度来衡量两种表示之间的关系

最后使用梯度下降来最小化KL散度